HF 速讀AI 論文
HF 論文速讀 2026-06-16
今天共同趨勢是從更開放的訓練食譜、檢索設計到因果世界模型，讓 AI 系統更可驗證也更可部署。
AI 進展正在從單純堆模型，轉向公開食譜、有效檢索與可控世界理解。
今天先記三件事
- i1 展示 fully open T2I 也能逼近強模型
- 長影片 RAG 的關鍵變成取回什麼與怎麼用
- Robotics 開始用 causal world modeling 強化控制
五篇速讀
i1：完全開放的 Text-to-Image 訓練食譜
開放食譜
為什麼重要：公開 weights、data、code 與訓練細節，補上 T2I 研究可複現缺口。
帶走什麼：簡單資料混合與較大 text encoder adapters，可撐起強 T2I 模型。
下一步：先讀實驗設計與 ablation，作為開源 T2I baseline。
Lens：重新思考基礎 Text-to-Image 模型訓練效率
效率標竿
為什麼重要：在 CVTG-2K、LongText-Bench、OneIG-EN 等榜單表現靠前。
帶走什麼：T2I 不只比畫質，也在長文字與文字準確性上被嚴格評測。
下一步：對照 leaderboard 指標，看它如何處理文字生成圖像。
CARVE：長影片 RAG 應該取回什麼、又該怎麼用
影片RAG
為什麼重要：在 V-RAGBench 的 Pass Rate、NDCG@5、Recall@5 皆列第一。
帶走什麼：長影片理解的瓶頸不只是 generator，而是 retrieval 與使用方式。
下一步：重點看 retrieval target、reranking 與 generator 接合方式。
Geometric Context Transformer：串流 3D 重建需要幾何脈絡
串流重建
為什麼重要：針對 streaming online 3D reconstruction，在 ETH3D relative 排名第一。
帶走什麼：即時 3D 重建需要把局部觀測放進幾何脈絡中累積。
下一步：看它如何維持 streaming 狀態與幾何一致性。
Causal World Modeling：讓機器人控制看見因果世界
因果控制
為什麼重要：在 LIBERO-Long success rate 達 98.5，顯示長任務控制潛力。
帶走什麼：機器人若能建模因果世界，可能更穩定處理長序列任務。
下一步：先看 LIBERO 設定、finetuning 條件與失敗案例。